Mode ng Talk¶

Ang Talk mode ay isang tuloy-tuloy na loop ng pag-uusap na boses:

1. Makinig sa pananalita
2. Ipadala ang transcript sa model (pangunahing session, chat.send)
3. Hintayin ang tugon
4. Bigkasin ito gamit ang ElevenLabs (streaming playback)

Asal (macOS)¶

• Palaging naka-on na overlay habang naka-enable ang Talk mode.
• Mga paglipat ng yugto: Listening → Thinking → Speaking.
• Sa maikling paghinto (window ng katahimikan), ipinapadala ang kasalukuyang transcript.
• Ang mga sagot ay isinusulat sa WebChat (kapareho ng pagta-type).
• Interrupt sa pananalita (default na naka-on): kapag nagsimulang magsalita ang user habang nagsasalita ang assistant, itinitigil ang playback at itinatala ang timestamp ng pag-interrupt para sa susunod na prompt.

Mga direktiba ng boses sa mga sagot¶

Maaaring unahan ng assistant ang sagot nito ng iisang linya ng JSON para kontrolin ang boses:

{ "voice": "<voice-id>", "once": true }

Mga panuntunan:

• Unang hindi bakanteng linya lamang.
• Ang mga hindi kilalang key ay binabalewala.
• Ang once: true ay nalalapat lamang sa kasalukuyang sagot.
• Kapag walang once, ang boses ay nagiging bagong default para sa Talk mode.
• Inaalis ang JSON line bago ang TTS playback.

Mga suportadong key:

• voice / voice_id / voiceId
• model / model_id / modelId
• speed, rate (WPM), stability, similarity, style, speakerBoost
• seed, normalize, lang, output_format, latency_tier
• once

Konpigurasyon (~/.openclaw/openclaw.json)¶

{
  talk: {
    voiceId: "elevenlabs_voice_id",
    modelId: "eleven_v3",
    outputFormat: "mp3_44100_128",
    apiKey: "elevenlabs_api_key",
    interruptOnSpeech: true,
  },
}

Mga default:

• interruptOnSpeech: true
• voiceId: bumabalik sa ELEVENLABS_VOICE_ID / SAG_VOICE_ID (o sa unang ElevenLabs voice kapag may available na API key)
• modelId: default sa eleven_v3 kapag hindi nakatakda
• apiKey: bumabalik sa ELEVENLABS_API_KEY (o sa gateway shell profile kung available)
• outputFormat: default sa pcm_44100 sa macOS/iOS at pcm_24000 sa Android (itakda ang mp3_* para pilitin ang MP3 streaming)

UI sa macOS¶

• Toggle sa menu bar: Talk
• Tab ng config: pangkat na Talk Mode (voice id + interrupt toggle)
• Patong:
• Listening: pumipintig na ulap na may antas ng mic
• Thinking: lumulubog na animation
• Speaking: mga naglalabasang singsing
• I-click ang ulap: itigil ang pagsasalita
• I-click ang X: lumabas sa Talk mode

Mga tala¶

• Nangangailangan ng pahintulot sa Speech + Microphone.
• Gumagamit ng chat.send laban sa session key na main.
• Gumagamit ang TTS ng ElevenLabs streaming API na may ELEVENLABS_API_KEY at incremental playback sa macOS/iOS/Android para sa mas mababang latency.
• Ang stability para sa eleven_v3 ay bina-validate sa 0.0, 0.5, o 1.0; tumatanggap ang ibang model ng 0..1.
• Ang latency_tier ay bina-validate sa 0..4 kapag itinakda.
• Sinusuportahan ng Android ang mga output format na pcm_16000, pcm_22050, pcm_24000, at pcm_44100 para sa low-latency AudioTrack streaming.